我正在研究基因表达数据聚类技术，我已经从网上下载了35个数据集， 我们有35个数据集，每个数据集都代表一种癌症。每个数据集都有其自己的特征。这些数据集中有一些在多个功能中共享，而从功能的角度来看，其中一些不共享任何内容。
我的问题是，我们如何最终对这些数据进行聚类，而其中许多却没有相同的特征？
我认为我们同时对所有35个数据集进行聚类操作。 我的想法正确吗？
感谢您的帮助。
答案 0 :(得分：0)
我假设当您说异质性时，就像是存在不同基因的不同基因表达平台一样。
您可以使用任何聚类技术，但是您需要编写自己的距离度量标准，该距离度量标准考虑了数据集中的异构性。例如，您可以使用成对样本之间共有的所有基因的相关性，从中创建一个距离矩阵，然后在该距离矩阵上使用分层聚类之类的方法
答案 1 :(得分：0)
我认为不需要编写自己的距离度量。已经存在大量可用于混合数据类型的距离度量。例如，行距距离对于混合数据类型而言效果很好。与此相同，请参见此post。但是，如果您的数据仅包含连续值，则可以使用k均值。如果先对数据进行预处理，您的状况也会更好。